CN112889048A - 通过眼动追踪的被动的基于情感和知识认证 - Google Patents
通过眼动追踪的被动的基于情感和知识认证 Download PDFInfo
- Publication number
- CN112889048A CN112889048A CN201980066494.4A CN201980066494A CN112889048A CN 112889048 A CN112889048 A CN 112889048A CN 201980066494 A CN201980066494 A CN 201980066494A CN 112889048 A CN112889048 A CN 112889048A
- Authority
- CN
- China
- Prior art keywords
- user
- akba
- template
- computer
- eye
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000008451 emotion Effects 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 54
- 230000004424 eye movement Effects 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims abstract description 9
- 230000000007 visual effect Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 23
- 210000001747 pupil Anatomy 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 14
- 230000007704 transition Effects 0.000 claims description 5
- HMMGKOVEOFBCAU-BCDBGHSCSA-N 3-Acetyl-11-keto-beta-boswellic acid Chemical compound C1C[C@@H](OC(C)=O)[C@](C)(C(O)=O)[C@@H]2CC[C@@]3(C)[C@]4(C)CC[C@@]5(C)CC[C@@H](C)[C@H](C)[C@H]5C4=CC(=O)[C@@H]3[C@]21C HMMGKOVEOFBCAU-BCDBGHSCSA-N 0.000 claims 37
- HMMGKOVEOFBCAU-UHFFFAOYSA-N AKBA Natural products C1CC(OC(C)=O)C(C)(C(O)=O)C2CCC3(C)C4(C)CCC5(C)CCC(C)C(C)C5C4=CC(=O)C3C21C HMMGKOVEOFBCAU-UHFFFAOYSA-N 0.000 claims 37
- 238000004590 computer program Methods 0.000 abstract description 5
- 230000015654 memory Effects 0.000 description 47
- 210000001508 eye Anatomy 0.000 description 35
- 238000004891 communication Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 12
- 230000004044 response Effects 0.000 description 7
- 230000002996 emotional effect Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000000554 iris Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000010344 pupil dilation Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 210000000795 conjunctiva Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000004439 pupillary reactions Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/36—User authentication by graphic or iconic representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Ophthalmology & Optometry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Collating Specific Patterns (AREA)
Abstract
用于根据被动的基于情感和知识认证来认证用户的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。在一方面，方法包括：当用户观看设备的图形用户界面GUI时，利用相机拍摄与所述用户的眼动和眼动力学相关联的数据；基于所拍摄的数据确定所述用户的基于情感和知识认证签名；基于所述基于情感和知识认证签名和与所述用户相关联的基于情感和知识认证模板之间的比较，认证所述用户；和授权对应用功能子集的访问。
Description
背景技术
本公开通常涉及生物认证，更具体地，涉及用于通过眼动(eye movement)追踪的被动的基于情感和知识认证(AKBA)的系统和方法。
生物系统可用于认证个人的身份，以确定是授权还是拒绝对某些资产或资源访问。例如，生物安全系统可以使用相机基于个人的独特物理属性来识别个人。例如在注册过程中从个人拍摄的生物特征数据可以存储为模板，用于以后验证个人的身份。
发明内容
本公开的实施方式通常涉及使用生物特征签名的被动的(passive)基于情感和知识认证(AKBA)。更具体地，实施方式涉及当用户观看设备的图形用户界面(GUI)时拍摄与该用户的眼动力学相关联的数据。基于所拍摄的数据确定该用户的基于情感和知识认证签名。该基于情感和知识认证签名用于认证该用户，以使得该用户能够使用服务。
在一个实施方式中，用户是根据被动的基于情感和知识认证来认证的，认证所述用户的方法由一个或多个处理器执行，并且该方法具有以下步骤：当所述用户观看设备的图形用户界面GUI时，利用相机拍摄与所述用户的眼动和眼动力学相关联的数据；基于所拍摄的数据确定所述用户的基于情感和知识认证签名；基于所述基于情感和知识认证签名和与所述用户相关联的基于情感和知识认证模板之间的比较，认证所述用户；以及授权对应用功能子集的访问。
可以实施本公开中描述的主题的特定实施方式，以便实现以下优点中的一个或多个。可以说，人的真实身份与他或她的真实记忆、好恶、以及其他特定于人的生活经历和他们所认同的个性特征相符。这种内在的身份不会随着一个人的外表改变而改变，从而提供优于传统生物特征的明显优势，传统生物特征仅依赖于空间有限模式(例如在指尖或虹膜中发现的那些)的物理特征。欺骗内在特质也更加困难，甚至是不可能的。然而，推断上述信息对用户友并不友好。知识发现部分，也称为KBA，既耗时又冗长。情感成分的推导就更复杂了。在这项工作中，我们针对AKBA利用当用户呈现有以特定情感效价和记忆相关性(或缺乏记忆相关性)预编程的视觉刺激时自然调制的眼动力学。
应当理解，根据本公开的方法可以包括本文描述的方面和特征的任何组合。也就是说，根据本公开的方法不限于本文中具体描述的方面和特征的组合，而是还可以包括所提供的方面和特征的任何组合。
在附图和以下描述中阐述了本公开的一个或多个实施方式的细节。根据具体实施方式、权利要求书和附图，本公开的其他特征和优点将变得明显。
附图说明
图1是示出根据本公开一些实施方式的用于被动的基于情感和知识生物认证(AKBA)系统的示例性设备的框图。
图2是根据本公开一些实施方式的用于执行被动的AKBA系统的示例性环境。
图3是根据本公开一些实施方式的用于执行被动的AKBA的示例性系统。
图4是示出根据本公开一些实施方式的用于执行被动的AKBA的示例性方法的流程图。
图5是根据本公开一些实施方式的被用来执行本公开的实施方式的计算设备和移动计算设备的示例。
具体实施方式
本公开的实施方式通常涉及拍摄用于生物特征认证的被动的AKBA签名。更具体地，本公开的实施方式涉及部署在设备(例如，移动设备、一体机(kiosk)等)内的生物特征认证系统，其使用一个或多个相机来拍摄包含用户的眼动和其他眼动力学的信息。生物特征认证系统可以使用这些信息来认证用户。该设备基于认证提供对服务的访问。
认证允许用户向例如Web应用确认他或她的身份。各种生物特征识别/认证系统基于拍摄一个或多个图像，该一个或多个图像随后与在注册过程中拍摄的模板图像进行比较或参考该模板图像进行分析。例如，使用面部识别的生物特征认证系统可能要求注册用户在注册过程中摆姿势以拍摄他们面部的一个或多个图像。在注册过程中拍摄的图像，或者更常见地，从拍摄的图像导出的独特特征，被称为注册模板，并且可以存储在生物特征认证系统可访问的存储设备上。在运行时，用户的面部图像可以被拍摄并与一个或多个面部模板进行比较，以确定用户是否被认证通过。
基于情感和知识认证是基于个人具有的知识和/或情感特征的。为了验证用户，KBA系统可以基于用户正在使用的数据源内的信息(即，动态KBA)或基于从用户收集的信息(即，静态KBA)向用户提出一系列问题。KBA系统的接口可以是基于文本的(例如，回答“你母亲的娘家姓是什么？”)或基于图形的(例如，要求用户从一组图像中选择代表他的家乡的图像)。本公开描述了一种被动的AKBA系统，当向用户呈现各种预编程的视觉刺激时，该被动的AKBA系统通过追踪用户的眼动和其他眼动力学来建立用户的身份。也就是说，所公开的AKBA系统不是向用户提出问题并基于他们对这些问题的直接回答来认证用户，而是通过测量用户的眼动和眼动力学的各种区别特征来认证用户，并且这些特征是在用户观看不同预编程的和特定于人的情感-认知视觉刺激时测量的。可以说，人的真实身份与他或她的真实记忆、好恶、以及其他特定于人的生活经历和他们所认同的个性特征相符。这种内在的身份不会随着一个人的外表改变而改变，从而为AKBA提供优于传统生物特征的明显优势，传统生物特征仅依赖于空间有限模式(例如在指尖或虹膜中发现的那些)的物理特征。欺骗内在特质也更加困难，甚至是不可能的。然而，推断上述信息对用户并不友好。传统KBA所使用的知识发现部分既耗时又冗长。情感成分的推导就更复杂了。在本文中，我们提出了针对AKBA利用当用户呈现有以特定情感效价和记忆相关性(或缺乏记忆相关性)预编程的视觉刺激时自然调制的眼动力学(ocular dynamics)，以提供对用户更友好和更安全的AKBA系统。
眼动的特征可以通过各种技术来测量。眼追踪是指识别眼注视或运动的过程。响应于与用户有一定相关性(或缺乏相关性)的预编程的视觉刺激，个体注视行为的独特特征可用于识别或认证该个体。例如，可以获得并分析用户眼图像，以将眼特征与参考记录进行比较，从而认证该用户并授权或拒绝该用户访问资源。本公开中使用的技术基于人眼以不同方式响应不同环境触发的理论。这种不同环境触发可以是语言、图像等。对应于这些环境触发的不同响应可以通过诸如瞳孔扩张、注视固着、眨眼率等特征来观察和量化。
瞳孔反应是一种可能具有多种原因的生理反应，从无意识的反射反应到暴露或不暴露于光。瞳孔响应于环境(例如，环境光)的变化和精神状态的变化而扩张和收缩。例如，在缺乏适当照明的情况下，较大的瞳孔允许眼睛接受较大的光量并获得较高的清晰度。另一方面，当光线过剩时，瞳孔会变小，因为过度曝光会对眼睛的晶状体和视网膜产生有害影响。此外，瞳孔大小对精神活动也很敏感。瞳孔大小与手头任务的难度成正比。例如，解决困难数学问题的人比那些用较简单问题测试的人表现出稍微大一点的瞳孔。进行记忆和保持注意力所需的精神劳动与瞳孔大小正相关——工作越多意味着瞳孔越大。
注视(gazing)行为也是一种基本人类行为，具有重要的认知、情感、动机和社会基础，可能会产生将注视行为与主要个性特质相关联的个体差异。人们在自由观看时的眼动可与图像的属性相关联。一系列相关的注视点(例如，示出眼睛正在看什么的点)可以形成固着(fixation)，从而表示眼睛锁定在对象上的时间段。针对图像的某一部分(相对于其他部分)的固着点或注视点的数量表明更多的视觉注意力被导向了该部分。注意力的顺序可以用于眼追踪，因为它反映了人的兴趣。
眨眼是眼睑的半自主快速闭合。有许多因素可以改变眨眼率并对眼表产生深远的影响。眨眼率可能会根据正在完成的活动而变化。当进行对话时，眨眼率增加，当专注于特定的视觉任务时，眨眼率降低。眨眼率也受到内部因素的高度影响，如疲劳、压力药物、情绪和对象的表面状况。眨眼率可能会因认知和情绪作用改变。例如，经历情绪激动、焦虑或沮丧的人眨眼率增加；据报道，负罪感也会影响正常的眨眼模式。
在示例性的背景中，AKBA系统可以部署在诸如自动柜员机(ATM)或移动设备之类的设备中。所述设备可以包括可由AKBA系统用来拍摄用户眼的运行时图像的一个或多个相机，以及用于预编程的视觉刺激的交互式显示器。可以分析包含在这些眼部视频中的信息以生成每个用户的签名或模板。AKBA特征可以包括瞳孔扩张、注视固着、眨眼率等。在生物特征认证中，AKBA签名可以单独使用，也可以与其他生物特征数据结合使用，如上文所述。
在一些实施方式中，基线或模板可以在注册过程中拍摄。在一些实施方式中，AKBA系统可以首先询问用户一系列初始(视觉)问题，以确定该用户的正偏好和负偏好。例如，像这样的问题：“你最喜欢的车是什么？”、或者“你最不喜欢的食物是什么？”。然后，AKBA系统要求注册用户观看设备的图形用户界面(GUI)，同时一组图像显示在GUI上。显示的该组图像包括根据用户对初始问题的回答表示用户的正偏好和负偏好的图像(例如，将包含汽车A的图像指定为正偏好图像，将包含食物B的图像指定为负偏好图像)。AKBA图形用户界面也可以评估真实记忆与不相关的回忆(例如，哪一个是你房子的图像？)。当用户观看这些图像时，嵌入在设备上的相机拍摄与用户的眼动(和其他附加特征，例如瞳孔扩张)相关联的数据。AKBA系统收集与正偏好图像和负偏好图像以及相关/不相关记忆相关联的用户眼动数据，并分别基于这些数据创建模板(可以是正模板或负模板)。在一些实施方式中，在注册过程中创建的模板可以存储在生物特征认证系统可访问的存储设备上。在运行时，可以拍摄用户的样本AKBA签名，并与AKBA模板进行比较，以确定用户是否可以被认证。在一些实施方式中，可以基于样本AKBA签名和基线AKBA模板之间的比较来生成相似度得分。
图1是示出根据本公开一些实施方式的用于被动的AKBA系统的示例性设备100的框图。设备100包括支持生物特征认证系统的一个或多个组件。例如，设备100可以包括图像传感器105、显示器110、眼追踪组件115、处理器120、存储器125、以及将包括存储器125在内的各种系统组件耦接到处理器120的系统总线。
设备100可以包括例如一体机、可穿戴设备和/或移动设备。设备100的示例可以包括但不限于智能电话、智能手表、智能眼镜、平板电脑、膝上型计算机、游戏设备、掌上便携式计算机、电视、个人数字助理、无线设备、工作站或者作为通用计算机或能够执行本文中描述的功能的专用硬件设备操作的其他计算设备。设备100可以用于需要通过一个或多个生物特征认证处理来认证用户的各种目的。例如，设备100可以是允许用户从银行账户取钱的自动柜员机的一体机。在另一示例中，设备100可以是允许用户通过在线银行应用查账或转账的移动电话。
图像传感器105可以用于拍摄例如与设备100交互的用户的眼睛的图像。图像传感器105可以是与设备100相关联的相机，或者独立于设备而存在的相机。举例来说，相机可以是数码相机、三维(3D)相机或光场传感器。在一些实施方式中，相机可以是具有眼镜形状的可穿戴设备中的向内模块，并且用于拍摄眼睛的图像。在一些实施方式中，设备上不同位置的多个相机可以一起用于拍摄双眼的不同图像。图像可以在静止模式或视频模式下拍摄。在一些实施方式中，相机具有近红外灵敏度和照明，以更好地拍摄深色虹膜的瞳孔。
显示器110可以向用户显示信息。用户也可以使用显示器110与设备100交互。例如，显示器可以是显示用户界面(UI)的触摸屏类型的设备，用户可以通过该用户界面输入和接收数据。
眼追踪组件115可以包括对图像传感器105拍摄的图像执行操作的硬件和/或软件模块。例如，眼追踪组件115可以处理和分析眼图像，以识别兴趣点、提取兴趣点周围的特征、基于该特征创建模板、以及基于该模板确定随时间的眼动。
在一些实施方式中，眼追踪组件115可以包括通信接口(未示出)。通信接口可用于向部署到设备100的生物特征认证系统提供数字信号。在一些实施方式中，通信接口可以包括经由通用串行总线(USB)、蓝牙、以太网、无线以太网等的通信。在一些实施方式中，通过眼追踪组件115，部署到设备100的相应生物特征认证系统可以结合图像传感器105使用拍摄的测量数据。
在一些实施方式中，使用眼追踪组件115拍摄的图像以及确定的AKBA签名可以由生物特征认证系统处理，以识别/认证用户。在一些实施方式中，生物特征认证系统可以从图像中提取各种特征，例如与瞳孔、虹膜、眼的巩膜上或巩膜下的脉管系统(例如，结膜和巩膜外层)等相关联的特征，以基于将提取的特征与在注册过程中为用户生成和存储的一个或多个模板图像及AKBA签名的特征之间相匹配来识别/认证特定用户。在一些实施方式中，生物特征认证系统可以使用机器学习处理(例如，使用深度神经网络架构实现的深度学习处理)来将用户与他或她存储的模板相匹配。在一些实施方式中，机器学习处理可以至少部分地使用部署在设备100上的一个或多个处理设备来实现。在一些实施方式中，设备100可以与实现机器学习处理的一个或多个远程处理设备(例如，一个或多个服务器)通信(见图2)。
图2是根据本公开一些实施方式的用于执行被动的AKBA系统的示例性环境200。示例性环境200包括网络204、后端系统206和设备202(例如，202a和202b，本文称为“设备202”)。设备202基本上类似于图1中的设备100。
在一些实施方式中，网络204包括局域网(LAN)、广域网(WAN)、互联网或其组合，并且连接计算设备(例如，设备202)和后端系统(例如，后端系统206)。在一些实施方式中，网络204可以通过有线和/或无线通信链路来访问。
在所描绘的示例中，后端系统206包括至少一个服务器系统208和数据存储210。在一些实施方式中，后端系统206提供对一个或多个计算机实施的服务的访问，该一个或多个计算机实施的服务与设备202交互。计算机实施的服务可以承载在例如至少一个服务器系统208和数据存储210上。计算机实施的服务可以包括例如认证服务，设备202可以使用该认证服务基于收集的AKBA签名和/或图像数据来认证用户。
在一些实施方式中，后端系统206包括采用集群计算机和组件的计算机系统，以在通过网络204访问时充当单个无缝资源池。例如，这样的实施方式可以用于数据中心、云计算、存储区域网络(SAN)和网络连接存储(NAS)应用。在一些实施方式中，后端系统206被部署并通过虚拟机提供计算机实施的服务。
图3是根据本公开一些实施方式的用于执行被动的AKBA的示例性系统300。系统300包括图像感测模块302、注册模块304、图像处理模块306、认证模块308和显示模块314。在一些实施方式中，系统300可以包括在设备内，例如参考图1描述的。例如，显示模块314可以是图1中的显示器110，并且图像感测模块302可以是图1中的图像传感器105的组件。在一些实施方式中，显示模块314可以设置在移动设备上，例如智能手机、平板电脑或电子阅读器。
来自图像感测模块302的输出可以用作注册模块304和图像处理模块306的输入。在一些实施方式中，利用图像传感器以适合于本文所述的图像处理功能的图像质量(例如，在可见光和/或近红外下的720p、1080p或等效/更高分辨率)来拍摄一个或多个眼图像。图像传感器可以是100万像素或更高像素的图像传感器，如手机、平板电脑中常见的前置摄像头或专用相机。在检测到用户的稳定注视和至少一只眼睛时，拍摄该用户眼睛的一叠图像。注册模块304基于图像创建生物特征模板，并执行各种操作以在保持模板可用性的同时提高模板安全性。图像处理模块306可以对用户眼图像执行分割和强化，以帮助分离例如眼球、面部姿态以及瞳孔直径的各种特征。
认证模块308经由一个或多个处理模块310，通过执行在拍摄眼部AKBA读数时形成的生物特征AKBA签名和预先存储的注册模板之间的匹配操作，来验证用户的身份。在验证时，将所存储的声称身份的AKBA注册模板与所呈现的AKBA验证模板进行匹配。在一些实施方式中，在验证期间，可以仅使用注册AKBA模板的子集。在一个实施方式中，如果相似度得分在预设阈值的范围内，这也需要注册模板和验证模板之间存在一定最小数量的元素是配对的，则接受请求人并发布匹配决定。在一些实施方式中，验证过程的长度和复杂性取决于在AKBA验证的初始阶段获得的得分(即，如果第一系列的AKBA响应没有达到高置信度，则测试继续以产生附加的身份的情感-认知证据)。请注意，眼图像可以在创建模板后立即丢弃，并且只存储注册模板。密钥模块312可以基于AKBA生物特征注册模板为用户编码密钥，并且在使用签名成功验证用户身份时解码密钥，因为导出的响应提供了可以被哈希成私钥的特定知识。
在一些实施方式中，认证模块308的输出可以用于驱动显示模块314。注册模块304、图像处理模块306、认证模块308、处理模块310和密钥模块312可以存储在存储器中并在处理器上执行。举例来说，程序模块可以是一种或多种合适的编程语言的形式，它们被转换成机器语言或目标代码，以允许一个或多个处理器执行指令。软件可以是独立应用的形式，或者以合适的编程语言或框架来实现。
图4是示出根据本公开一些实施方式的用于执行被动的AKBA的示例性方法400的流程图。在402，当用户观看设备的图形用户界面(GUI)时，利用相机拍摄与用户的眼动相关联的数据。在一些实施方式中，用户观看设备的图形用户界面时，一组图像显示在设备的图形用户界面上。方法400从402前进到404。
在404，基于所拍摄的数据确定用户的AKBA签名。在一些实施方式中，AKBA签名包括对与眼动相关联的特征的多个测量结果，并且这些特征包括用户的至少一只眼睛的瞳孔大小、注视固着和过渡动态、以及眨眼率。方法400从404前进到406。
在406，基于AKBA签名和与用户相关联的AKBA模板之间的比较来认证用户。在一些实施方式中，AKBA模板还包括对与眼动相关联的特征的多个测量结果，并且这些特征包括用户的至少一只眼睛的瞳孔大小、固着、响应于AKBA图形用户界面的注视过渡动态或眨眼率中的至少一个。
在一些实施方式中，用户的AKBA模板是在注册过程中生成的。在一些实施方式中，在注册过程中生成用户的AKBA模板的方法包括：确定用户的多个正偏好和负偏好或真实的个人/生活经历知识；在设备的图形用户界面上向用户显示一组预编程的视觉刺激，其中，该组预编程的视觉刺激包括对应于所确定的用户的正偏好和负偏好或真假记忆的视觉刺激；当用户观看该组预编程的视觉刺激时，利用相机拍摄与用户的眼动相关联的数据；以及基于所拍摄的数据生成AKBA模板。
在一些实施方式中，认证用户的方法包括执行：基于AKBA签名与AKBA模板之间的比较生成相似度得分，以及基于相似度得分认证用户，其中，当相似度得分在预定阈值的范围内时，用户被认证通过。
在一些实施方式中，生成相似度得分的方法包括：确定多个第一得分，其中，每个第一得分是基于对包括在AKBA模板中的特征的测量结果和对包括在AKBA签名中的同一特征的测量结果之间的比较来确定的；确定第一得分各自的权重，按所述第一得分各自的权重对它们进行组合，以确定所述相似度得分。方法400从406前进到408。
在408，授权应用功能子集。在408之后，方法400结束。
图5是根据本公开一些实施方式用于执行本公开实施方式的计算设备500和移动计算设备550的示例。计算设备500旨在表示各种形式的数字计算机，例如膝上型计算机、台式计算机、工作站、个人数字助理、服务器、刀片服务器(blade server)、大型机和其他合适的计算机。移动计算设备550旨在表示各种形式的移动设备，例如个人数字助理、蜂窝电话、智能电话、AR设备和其他类似的计算设备。此处示出的组件、它们的连接和关系以及它们的功能仅是示例，而不是限制性的。
计算设备500包括处理器502、存储器504、存储设备506、高速接口508和低速接口512。在一些实施方式中，高速接口508连接到存储器504和多个高速扩展端口510。在一些实施方式中，低速接口512连接到低速扩展端口514和存储设备506。处理器502、存储器504、存储设备506、高速接口508、高速扩展端口510和低速接口512中的每一个使用各种总线互连，并且可以安装在公共主板上或者以其他适当的方式安装。处理器502可以处理用于在计算设备500内执行的指令，包括存储在存储器504和/或存储设备506中的指令，以在外部输入/输出设备(例如耦接到高速接口508的显示器516)上显示图形用户界面(GUI)的图形信息。在其他实施方式中，可以适当地使用多个处理器和/或多条总线，以及多个存储器和多种类型的存储器。此外，可以连接多个计算设备，每个计算设备提供必要操作的部分(例如，作为服务器组、刀片服务器组或多处理器系统)。
存储器504存储计算设备500内的信息。在一些实施方式中，存储器504是易失性存储单元。在一些实施方式中，存储器504是非易失性存储单元。存储器504还可以是另一种形式的计算机可读介质，例如磁盘或光盘。
存储设备506能够为计算设备500提供大容量存储。在一些实施方式中，存储设备506可以是或包括计算机可读介质，例如软盘设备、硬盘设备、光盘设备、磁带设备、闪存或其他类似的固态存储设备，或者设备阵列，包括存储区域网络或其他配置中的设备。指令可以存储在信息载体中。当指令由诸如处理器502的一个或多个处理设备执行时，执行诸如上述那些方法的一种或多种方法。指令还可以由一个或多个存储设备存储，例如计算机可读介质或机器可读介质，诸如存储器504、存储设备506或处理器502上的存储器。
高速接口508管理计算设备500的带宽密集型操作，而低速接口512管理较低的带宽密集型操作。这种功能分配只是一个示例。在一些实施方式中，高速接口508耦接到存储器504、显示器516(例如，通过图形处理器或加速器)，以及耦接到可以接受各种扩展卡的高速扩展端口510。在该实施方式中，低速接口512耦接到存储设备506和低速扩展端口514。可包括各种通信端口(例如，USB、蓝牙、以太网、无线以太网)的低速扩展端口514可以耦接到一个或多个输入/输出设备。这种输入/输出设备可以包括扫描仪530、打印设备534或者键盘或鼠标536。输入/输出设备还可以通过网络适配器耦接到低速扩展端口514。这种网络输入/输出设备可以包括例如交换机或路由器532。
如图所示，计算设备500可以以多种不同的形式实现。例如，计算设备500可以实现为标准服务器520，或者在一组这样的服务器中多次实现。此外，计算设备500可以在诸如膝上型计算机522的个人计算机中实现。计算设备500还可以实现为机架式服务器系统524的一部分。可选地，来自计算设备500的组件可以与例如移动计算设备550的移动设备中的其他组件组合。这些设备中的每一个可以包含计算设备500和移动计算设备550中的一个或多个，并且整个系统可以由彼此通信的多个计算设备组成。
移动计算设备550包括处理器552、存储器564、诸如显示器554的输入/输出设备、通信接口566、收发器568以及其他组件。移动计算设备550还可以配备有存储设备，例如微驱动器或其他设备，以提供附加存储。处理器552、存储器564、显示器554、通信接口566和收发器568中的每一个使用各种总线互连，并且几个组件可以安装在公共主板上或者以其他适当的方式安装。在一些实施方式中，移动计算设备550可以包括相机设备(未示出)。
处理器552可以执行移动计算设备550内的指令，包括存储在存储器564中的指令。处理器552可以实现为芯片的芯片集，该芯片包括独立的多个模拟和数字处理器。例如，处理器552可以是复杂指令集计算机(CISC)处理器、精简指令集计算机(RISC)处理器或最小指令集计算机(MISC)处理器。处理器552可以提供例如用于移动计算设备550的其他组件的协调，诸如用户界面(UI)的控制、移动计算设备550运行的应用和/或移动计算设备550进行的无线通信。
处理器552可以通过耦接到显示器554的控制接口558和显示接口556与用户通信。显示器554可以是例如薄膜晶体管液晶显示器(TFT)、有机发光二极管(OLED)显示器或其他合适的显示技术。显示接口556可以包括用于驱动显示器554向用户呈现图形和其他信息的适当电路。控制接口558可以接收来自用户的命令，并将它们转换以提交给处理器552。此外，外部接口562可以提供与处理器552的通信，以便实现移动计算设备550与其他设备的近区通信。外部接口562可以例如在一些实施方式中提供有线通信，或者在其他实施方式中提供无线通信，并且也可以使用多个接口。
存储器564存储移动计算设备550内的信息。存储器564可以实现为计算机可读介质、易失性存储单元或非易失性存储单元中的一种或多种。还可以提供扩展存储器574，并且扩展存储器574通过扩展接口572连接到移动计算设备550，扩展接口572可以包括例如单线存储模块(SIMM)卡接口。扩展存储器574可以为移动计算设备550提供额外的存储空间，或者还可以为移动计算设备550存储应用或其他信息。具体地，扩展存储器574可以包括执行或补充上述处理的指令，并且还可以包括安全信息。因此，例如，扩展存储器574可以被提供为移动计算设备550的安全模块，并且可以用允许安全使用移动计算设备550的指令来编程。此外，可以通过SIMM卡提供安全应用以及附加信息，例如以不可破解的方式将标识信息放置在SIMM卡上。
存储器可以包括例如闪存和/或非易失性随机存取存储器(NVRAM)，如下所述。在一些实施方式中，指令存储在信息载体中。当指令由例如处理器552的一个或多个处理设备执行时，执行诸如上述那些方法的一种或多种方法。指令还可以由一个或多个存储设备存储，例如一个或多个计算机可读介质或机器可读介质，诸如存储器564、扩展存储器574或处理器552上的存储器。在一些实施方式中，指令可以例如通过收发器568或外部接口562在传播信号中接收。
移动计算设备550可以通过通信接口566进行无线通信，必要时通信接口566可以包括数字信号处理电路。通信接口566可以提供各种模式或协议下的通信，例如全球移动通信系统(GSM)语音呼叫、短消息服务(SMS)、增强消息服务(EMS)、多媒体消息服务(MMS)消息、码分多址(CDMA)、时分多址(TDMA)、个人数字蜂窝(PDC)、宽带码分多址(WCDMA)、CDMA2000、通用分组无线业务(GPRS)。这种通信可以例如通过收发器568使用射频进行。此外，可能会出现短距离通信，如使用蓝牙或Wi-Fi。此外，全球定位系统(GPS)接收模块570可以向移动计算设备550提供附加的导航和位置相关的无线数据，这些数据可以由移动计算设备550上运行的应用适当地使用。
移动计算设备550还可以使用音频编解码器560进行可听通信，音频编解码器560可以从用户接收口头信息，并将其转换成可用的数字信息。音频编解码器560同样可以为用户生成可听声音，例如通过诸如移动计算设备550的手机中的扬声器。这种声音可以包括来自语音电话呼叫的声音，可以包括录制的声音(例如，语音信息、音乐文件等)，并且还可以包括由在移动计算设备550上运行的应用生成的声音。
如图5所示，移动计算设备550可以以多种不同的形式实现。例如，它可以实现为图1中描述的设备100。其他实现可以包括移动设备582和平板设备584。移动计算设备550还可以实现为智能电话、个人数字助理、AR设备或其他类似移动设备的组件。
计算设备500和/或移动计算设备550还可以包括USB闪存驱动器。USB闪存驱动器可以存储操作系统和其他应用。USB闪存驱动器可以包括输入/输出组件，例如可以插入另一计算设备的USB端口的无线发射器或USB连接器。
本文描述的系统和技术的不同实施方式可以在数字电子电路、集成电路、专门设计的专用集成电路(ASIC)、计算机硬件、固件、软件和/或其组合中实现。这些不同实施方式可以包括在可编程系统上可执行和/或可解释的一个或多个计算机程序中的实施方式，该可编程系统包括至少一个可用于专用或通用目的的可编程处理器，该可编程处理器被耦接以从存储系统、至少一个输入设备和至少一个输出设备接收数据和指令，以及向存储系统、至少一个输入设备和至少一个输出设备发送数据和指令。
这些计算机程序(也称为程序、软件、软件应用或代码)包括用于可编程处理器的机器指令，并且可以用高级程序性语言、面向对象语言、汇编语言和/或机器语言来实现。如本文所使用的，术语“机器可读介质”和“计算机可读介质”指用于向可编程处理器提供机器指令和/或数据的任何计算机程序产品、装置和/或设备(例如，磁盘、光盘、存储器、可编程逻辑设备(PLD))，包括接收机器指令作为机器可读信号的机器可读介质。术语“机器可读信号”指用于向可编程处理器提供机器指令和/或数据的任何信号。
为了提供与用户的交互，这里描述的系统和技术可以在具有用于向用户显示信息的显示设备(诸如阴极射线管(CRT)或液晶显示器(LCD)显示屏等)以及用户可用以向计算机提供输入的键盘和指向设备(诸如鼠标或轨迹球)的计算机上实现。也可以使用其他类型的设备来提供与用户的交互，例如，提供给用户的反馈可以是任何形式的感官反馈(例如，视觉反馈、听觉反馈或触觉反馈)，并且可以以任何形式接收来自用户的输入，包括声音输入、语音输入或触觉输入。
本文描述的系统和技术可以在包括后端组件(诸如数据服务器)，或者包括中间件组件(诸如应用服务器)，或者包括前端组件(诸如，具有图形用户界面或web浏览器的客户端计算机，用户可以通过该图形用户界面或web浏览器与本文描述的系统和技术的实施方式进行交互)，或者这种后端组件、中间件组件或前端组件的任意组合的计算系统中实现。系统的组件可以通过任何形式或介质的数字数据通信相互连接。通信网络的例子包括局域网LAN、广域网WAN和互联网。
计算系统可以包括客户端和服务器。客户端和服务器通常彼此远离，并且通常通过通信网络进行交互。客户端和服务器的关系借助于在各个计算机上运行并且彼此具有客户端-服务器关系的计算机程序而产生。
尽管上面已经详细描述了一些实施方式，但是其他修改也是可能的。例如，虽然客户端的应用被描述为访问代表，但是在其他实施方式中，代表可以被由一个或多个处理器实施的其他应用采用，例如在一个或多个服务器上执行的应用。此外，附图中描述的逻辑流程不需要所示的特定次序或顺序来实现期望的结果。此外，可以从所描述的流程中提供其他动作，或者从所描述的流程中消除动作，并且可以向所描述的系统添加其他组件，或者从所描述的系统中移除其他组件。因此，其他实施方式在所附权利要求的范围内。
Claims (20)
1.一种计算机实现的、用于根据被动的基于情感和知识认证AKBA来认证用户的方法，所述方法由一个或多个处理器执行，包括：
当所述用户观看设备的图形用户界面GUI时，利用相机拍摄与所述用户的眼动和眼动力学相关联的数据；
基于所拍摄的数据确定所述用户的AKBA签名；
基于所述AKBA签名和与所述用户相关联的AKBA模板之间的比较，认证所述用户；以及
授权对应用功能子集的访问。
2.根据权利要求1所述的计算机实现的方法，其中，
所述AKBA模板和所述AKBA签名包括对与用户的眼动和眼动力学相关联的特征的多个测量结果，并且
所述特征包括所述用户的至少一只眼睛的瞳孔大小、注视固着和过渡动态、以及眨眼率中的至少一个。
3.根据权利要求1所述的计算机实现的方法，其中，认证所述用户包括：
基于所述AKBA签名与所述AKBA模板之间的比较生成相似度得分；和
基于所述相似度得分认证所述用户，其中，当所述相似度得分在预定阈值的范围内时，所述用户被认证通过。
4.根据权利要求3所述的计算机实现的方法，其中，生成所述相似度得分包括：
确定多个第一得分，其中，每个所述第一得分是基于对包括在所述AKBA模板中的特征的测量结果、和对包括在所述AKBA签名中的同一特征的测量结果之间的比较来确定的；
确定所述第一得分各自的权重；和
按所述第一得分各自的权重对它们进行组合，以确定所述相似度得分。
5.根据权利要求1所述的计算机实现的方法，其中，所述用户观看所述设备的所述图形用户界面时，一组预编程的视觉刺激显示在所述设备的所述图形用户界面上。
6.根据权利要求1所述的计算机实现的方法，其中，所述用户的所述AKBA模板是在注册过程中生成的。
7.根据权利要求6所述的计算机实现的方法，其中，在所述注册过程中生成所述用户的所述AKBA模板，包括：
确定与用户的正偏好、负偏好和基于个人经历的知识中的至少一个相关联的特征；
在设备的图形用户界面上向所述用户显示一组预编程的视觉刺激，其中，该组预编程的视觉刺激包括包含所确定的所述用户的特征的视觉刺激；
当所述用户观看该组预编程的视觉刺激时，利用相机拍摄与所述用户的眼动和眼动力学相关联的数据；和
基于所拍摄的数据生成所述AKBA模板。
8.一种存储一个或多个指令的非暂态计算机可读介质，所述指令可由计算机系统执行以根据被动的基于情感和知识认证AKBA来执行用于认证用户的操作，包括：
当所述用户观看设备的图形用户界面GUI时，利用相机拍摄与所述用户的眼动和眼动力学相关联的数据；
基于所拍摄的数据确定所述用户的AKBA签名；
基于所述AKBA签名和与所述用户相关联的AKBA模板之间的比较，认证所述用户；以及
授权对应用功能子集的访问。
9.根据权利要求8所述的非暂态计算机可读介质，其中，
所述AKBA模板和所述AKBA签名包括对与用户的眼动和眼动力学相关联的特征的多个测量结果，并且
所述特征包括所述用户的至少一只眼睛的瞳孔大小、注视固着和过渡动态、以及眨眼率中的至少一个。
10.根据权利要求8所述的非暂态计算机可读介质，其中，认证所述用户包括：
基于所述AKBA签名与所述AKBA模板之间的比较生成相似度得分；和
基于所述相似度得分认证所述用户，其中，当所述相似度得分在预定阈值的范围内时，所述用户被认证通过。
11.根据权利要求10所述的非暂态计算机可读介质，其中，生成所述相似度得分包括：
确定多个第一得分，其中，每个所述第一得分是基于对包括在所述AKBA模板中的特征的测量结果、和对包括在所述AKBA签名中的同一特征的测量结果之间的比较来确定的；
确定所述第一得分各自的权重；和
按所述第一得分各自的权重对它们进行组合，以确定所述相似度得分。
12.根据权利要求8所述的非暂态计算机可读介质，其中，所述用户观看所述设备的所述图形用户界面时，一组预编程的视觉刺激显示在所述设备的所述图形用户界面上。
13.根据权利要求8所述的非暂态计算机可读介质，其中，所述用户的所述AKBA模板是在注册过程中生成的。
14.根据权利要求13所述的非暂态计算机可读介质，其中，在所述注册过程中生成所述用户的所述AKBA模板，包括：
确定与用户的正偏好、负偏好和基于个人经历的知识中的至少一个相关联的特征；
在设备的图形用户界面上向所述用户显示一组预编程的视觉刺激，其中，该组预编程的视觉刺激包括包含所确定的所述用户的特征的视觉刺激；
当所述用户观看该组预编程的视觉刺激时，利用相机拍摄与所述用户的眼动和眼动力学相关联的数据；和
基于所拍摄的数据生成所述AKBA模板。
15.一种计算机实现的系统，包括:
一个或多个处理器；和
耦接到所述一个或多个处理器并且其上存储有指令的计算机可读存储设备，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器根据被动的基于情感和知识认证AKBA来执行用于认证用户的操作，包括：
当所述用户观看设备的图形用户界面GUI时，利用相机拍摄与所述用户的眼动和眼动力学相关联的数据；
基于所拍摄的数据确定所述用户的AKBA签名；
基于所述AKBA签名和与所述用户相关联的AKBA模板之间的比较，认证所述用户；以及
授权对应用功能子集的访问。
16.根据权利要求15所述的计算机实现的系统，其中，
所述AKBA模板和所述AKBA签名包括对与用户的眼动和眼动力学相关联的特征的多个测量结果，并且
所述特征包括所述用户的至少一只眼睛的瞳孔大小、注视固着和过渡动态、以及眨眼率中的至少一个。
17.根据权利要求15所述的计算机实现的系统，其中，认证所述用户包括：
基于所述AKBA签名与所述AKBA模板之间的比较生成相似度得分；和
基于所述相似度得分认证所述用户，其中，当所述相似度得分在预定阈值的范围内时，所述用户被认证通过。
18.根据权利要求17所述的计算机实现的系统，其中，生成所述相似度得分包括：
确定多个第一得分，其中，每个所述第一得分是基于对包括在所述AKBA模板中的特征的测量结果和对包括在所述AKBA签名中的同一特征的测量结果之间的比较来确定的；
确定所述第一得分各自的权重；和
按所述第一得分各自的权重对它们进行组合，以确定所述相似度得分。
19.根据权利要求15所述的计算机实现的系统，其中，所述用户观看所述设备的所述图形用户界面时，一组预编程的视觉刺激显示在所述设备的所述图形用户界面上。
20.根据权利要求15所述的计算机实现的系统，其中，所述用户的所述AKBA模板是在注册过程中生成的。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/154,263 US11055388B2 (en) | 2018-10-08 | 2018-10-08 | Passive affective and knowledge-based authentication through eye movement tracking |
| US16/154,263 | 2018-10-08 | ||
| PCT/US2019/055133 WO2020076782A1 (en) | 2018-10-08 | 2019-10-08 | Passive affective and knowledge-based authentication through eye movement tracking |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112889048A true CN112889048A (zh) | 2021-06-01 |
Family
ID=68426808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980066494.4A Pending CN112889048A (zh) | 2018-10-08 | 2019-10-08 | 通过眼动追踪的被动的基于情感和知识认证 |
Country Status (5)
| Country | Link |
|---|---|
| US (2) | US11055388B2 (zh) |
| EP (1) | EP3814953A1 (zh) |
| CN (1) | CN112889048A (zh) |
| SG (1) | SG11202100757PA (zh) |
| WO (1) | WO2020076782A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI831532B (zh) * | 2022-12-20 | 2024-02-01 | 合作金庫商業銀行股份有限公司 | 擴增及虛擬實境轉帳系統 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11195172B2 (en) * | 2019-07-24 | 2021-12-07 | Capital One Services, Llc | Training a neural network model for recognizing handwritten signatures based on different cursive fonts and transformations |
| US11636188B2 (en) * | 2019-08-26 | 2023-04-25 | Microsoft Technology Licensing, Llc | Combining biometrics, hidden knowledge and intent to authenticate |
| CN111743553B (zh) * | 2020-07-06 | 2023-09-15 | 山东中科先进技术有限公司 | 一种基于眼动数据的情感特征提取方法及系统 |
| US11294459B1 (en) * | 2020-10-05 | 2022-04-05 | Bank Of America Corporation | Dynamic enhanced security based on eye movement tracking |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050022034A1 (en) * | 2003-07-25 | 2005-01-27 | International Business Machines Corporation | Method and system for user authentication and identification using behavioral and emotional association consistency |
| US20130054576A1 (en) * | 2011-08-23 | 2013-02-28 | Buckyball Mobile, Inc. | Identifying digital content using bioresponse data |
| US20130336547A1 (en) * | 2012-03-28 | 2013-12-19 | Oleg V. Komogortsev | Person identification using ocular biometrics with liveness detection |
| US20140125574A1 (en) * | 2012-11-05 | 2014-05-08 | Mike Scavezze | User authentication on display device |
| US9367677B1 (en) * | 2014-09-26 | 2016-06-14 | The Board Of Trustees Of The University Of Alabama, For And On Behalf Of The University Of Alabama In Huntsville | Systems and methods for user authentication using eye movement and pupil size change matching |
| CN105827407A (zh) * | 2014-10-15 | 2016-08-03 | 由田新技股份有限公司 | 基于眼动追踪的网络身份认证方法及系统 |
| CN107087431A (zh) * | 2014-05-09 | 2017-08-22 | 谷歌公司 | 用于辨别眼睛信号和连续生物识别的系统和方法 |
| US20170300686A1 (en) * | 2014-10-16 | 2017-10-19 | The Curators Of The University Of Missouri | Visual storytelling authentication |
| US20170346817A1 (en) * | 2016-05-31 | 2017-11-30 | John C. Gordon | Authentication based on gaze and physiological response to stimuli |
| CN107995979A (zh) * | 2015-04-16 | 2018-05-04 | 托比股份公司 | 使用凝视信息的用户识别和/或认证 |
-
2018
- 2018-10-08 US US16/154,263 patent/US11055388B2/en active Active
-
2019
- 2019-10-08 CN CN201980066494.4A patent/CN112889048A/zh active Pending
- 2019-10-08 EP EP19797864.6A patent/EP3814953A1/en active Pending
- 2019-10-08 SG SG11202100757PA patent/SG11202100757PA/en unknown
- 2019-10-08 WO PCT/US2019/055133 patent/WO2020076782A1/en unknown
-
2021
- 2021-07-02 US US17/367,149 patent/US11403383B2/en active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050022034A1 (en) * | 2003-07-25 | 2005-01-27 | International Business Machines Corporation | Method and system for user authentication and identification using behavioral and emotional association consistency |
| US20130054576A1 (en) * | 2011-08-23 | 2013-02-28 | Buckyball Mobile, Inc. | Identifying digital content using bioresponse data |
| US20130336547A1 (en) * | 2012-03-28 | 2013-12-19 | Oleg V. Komogortsev | Person identification using ocular biometrics with liveness detection |
| US20140125574A1 (en) * | 2012-11-05 | 2014-05-08 | Mike Scavezze | User authentication on display device |
| CN107087431A (zh) * | 2014-05-09 | 2017-08-22 | 谷歌公司 | 用于辨别眼睛信号和连续生物识别的系统和方法 |
| US9367677B1 (en) * | 2014-09-26 | 2016-06-14 | The Board Of Trustees Of The University Of Alabama, For And On Behalf Of The University Of Alabama In Huntsville | Systems and methods for user authentication using eye movement and pupil size change matching |
| CN105827407A (zh) * | 2014-10-15 | 2016-08-03 | 由田新技股份有限公司 | 基于眼动追踪的网络身份认证方法及系统 |
| US20170300686A1 (en) * | 2014-10-16 | 2017-10-19 | The Curators Of The University Of Missouri | Visual storytelling authentication |
| CN107995979A (zh) * | 2015-04-16 | 2018-05-04 | 托比股份公司 | 使用凝视信息的用户识别和/或认证 |
| US20170346817A1 (en) * | 2016-05-31 | 2017-11-30 | John C. Gordon | Authentication based on gaze and physiological response to stimuli |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI831532B (zh) * | 2022-12-20 | 2024-02-01 | 合作金庫商業銀行股份有限公司 | 擴增及虛擬實境轉帳系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| SG11202100757PA (en) | 2021-02-25 |
| EP3814953A1 (en) | 2021-05-05 |
| US20200110862A1 (en) | 2020-04-09 |
| US11403383B2 (en) | 2022-08-02 |
| US11055388B2 (en) | 2021-07-06 |
| WO2020076782A1 (en) | 2020-04-16 |
| US20210334351A1 (en) | 2021-10-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11403383B2 (en) | Passive affective and knowledge-based authentication through eye movement tracking | |
| US10156900B2 (en) | Systems and methods for discerning eye signals and continuous biometric identification | |
| US10678897B2 (en) | Identification, authentication, and/or guiding of a user using gaze information | |
| EP3284016B1 (en) | Authentication of a user of a device | |
| US10346605B2 (en) | Visual data processing of response images for authentication | |
| US10268910B1 (en) | Authentication based on heartbeat detection and facial recognition in video data | |
| CN111033501B (zh) | 虚拟现实中对访问私有数据的安全授权 | |
| Eberz et al. | Preventing lunchtime attacks: Fighting insider threats with eye movement biometrics | |
| CN102567665B (zh) | 对无线设备的功能的受控访问 | |
| US20170364732A1 (en) | Eye tracking via patterned contact lenses | |
| Eberz et al. | Looks like eve: Exposing insider threats using eye movement biometrics | |
| Deravi et al. | Gaze trajectory as a biometric modality | |
| US20220188833A1 (en) | Facilitating payments in an extended reality system based on behavioral biometrics | |
| Sluganovic | Security of mixed reality systems: authenticating users, devices, and data | |
| Ketab | E-invigilation of e-assessments | |
| Cantoni et al. | Biometric authentication to Access Controlled Areas through eye tracking | |
| Piugie | Performance and security evaluation of behavioral biometric systems | |
| Alharbi | An Authentication Framework for Wearable Devices | |
| Siripitakchai | Enhancing CAPTCHA Using Eye Movement | |
| Sharma | Using Facial Features to Produce an Augmented Reality System | |
| Rasmussen | Preventing Lunchtime Attacks: Fighting Insider Threats With Eye Movement Biometrics | |
| Hämäläinen | Biometrics as an alternative to passwords for older users |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |